黨的二十屆四中全會審議通過的《中共中央關于制定國民經濟和社會發展第十五個五年規劃的建議》（以下簡稱《建議》）提出，“全面實施‘人工智能+’行動”，要求“加強人工智能同產業發展、文化建設、民生保障、社會治理相結合，搶占人工智能產業應用制高點，全方位賦能千行百業。”《建議》同時對“加快經濟社會發展全面綠色轉型，建設美麗中國”作出專章部署，明確將穩步實施產品碳足跡政策制度作為“十五五”時期“積極穩妥推進和實現碳達峰”的戰略任務和重要舉措。

產品碳足跡管理是助力實現“雙碳”治理目標的重要政策工具。深入研究AI賦能碳足跡精準核算的實踐路徑，有效破解生態環境治理難題，為經濟社會發展全面綠色轉型注入強大數字新動能，既是當前面臨的緊迫任務，更是關乎長遠發展的戰略命題，具有重要的政策意義和重大現實意義。

1碳足跡管理是“雙碳”治理的重要政策工具

碳足跡（Carbon Footprint）是衡量特定個體、組織、產品或國家在一定時間內直接或間接二氧化碳排放量的指標。產品碳足跡，是指特定產品從原材料獲取加工、產品生產、運輸分銷、使用消費到廢棄處理的全生命周期各環節所產生的碳排放量總和，是衡量產業鏈供應鏈和產品綠色低碳水平的重要指標。

產品碳足跡的核算和管理，已經成為全球氣候治理和國際貿易的重要內容。近年來，基于產品碳足跡的國際貿易政策和市場準入規則頻現，越來越多的國家、地區或跨國公司將產品碳足跡納入綠色低碳供應鏈管理要求，以碳足跡為核心的貿易壁壘已成為國際綠色貿易規則的突出特征。2008年10月，英國編制發布全球首個產品碳足跡標準（PAS系列標準）；此后，法國、日本、美國等發達經濟體也相繼推出各自的碳足跡核算標準及適用產品規則。2023年7月，歐盟正式發布“新電池法”《歐盟電池與廢電池法》，首次要求相關型號電池需標明“碳足跡及其性能等級”，在全球首次將碳足跡作為產品的強制性標準。

此外，歐盟碳邊境調節機制（Carbon Border Adjustment Mechanism，CBAM）要求，截至2025年底過渡期結束后，2026年開始正式征收碳關稅，要求從碳排放限制寬松的國家和地區進口的商品需要提交產品碳排放聲明并購買對應金額的CBAM證書，首批覆蓋鋼鐵、鋁、水泥、化肥、電力和氫氣六類高碳泄漏風險產品，以確保實現2030年歐盟溫室氣體減排目標（2030年凈排放量比1990年減少55%）。

面對國際上將碳足跡管理作為促進碳減排和綠色低碳水平評估的主要政策工具，為有效應對國際綠色貿易壁壘（碳貿易壁壘）新形勢和國內“雙碳”治理多重壓力，我國高度重視碳足跡管理體系建設工作，并將其作為積極參與全球碳定價和氣候治理、助力實現碳達峰碳中和的重要政策工具，加快促進產業鏈供應鏈綠色低碳轉型，增強綠色低碳競爭力。

2024年5月，生態環境部、國家發展改革委等15部門聯合印發《關于建立碳足跡管理體系的實施方案》，明確提出“兩大基石”和“三項制度”管理體系，提出到2027年和2030年的兩大階段性主要目標，編繪了我國產品碳足跡管理體系建設的“任務書”和“施工圖”。2024年12月，中央經濟工作會議對“建立產品碳足跡管理體系”提出明確要求；2025年3月，政府工作報告將“建立產品碳足跡管理體系”作為積極穩妥推進碳達峰碳中和的重要舉措，納入年度要著重抓好的重點任務清單。2025年8月，國務院發布《關于

深入實施“人工智能+”行動的意見》，對“人工智能+”生態治理能力建設作出具體部署。

目前，我國碳足跡相關工作取得突破性進展，已編制發布產品碳足跡核算標準，核算的規則標準和因子數據“兩大基石”以及標識認證、分級管理、信息披露“三項制度”已初步建立。迄今我國已發布細分領域產品碳足跡核算團體標準100余項，及時發布符合我國實際的電力碳足跡因子，為國內產品碳足跡核算解決了“燃眉之急”，同時積極推動碳足跡管理和數據與國際銜接，我國碳足跡管理體系建設已從頂層設計走向全面施工，進入攻堅階段。

2“人工智能+”賦能碳足跡精準核算的三大著力點

碳足跡核算是量化從基礎能源、原材料、中間品、制成品到廢棄全過程的碳排放總量，是涉及產品全生命周期不同階段、核算邊界、計算方法、編制要求的一整套復雜體系。傳統的碳足跡管理模式依賴人工監測與靜態核算，數據采集效率低且誤差率高，正面臨數據滯后（如數據孤島化）、響應低效、成本高昂等明顯瓶頸。

當前，AI大模型進入技術突破、算力升級與多場景滲透等快速發展期，顯示出強大的賦能效應，正成為促進碳足跡精準核算和綠色低碳轉型的重要引擎。基于AI技術，以數據為紐帶、算法為引擎，構建覆蓋碳排放全流程的“智慧大腦”，實時采集全鏈路數據，強化以下三大功能，助力建設碳足跡精準計量和動態追蹤的智能管理平臺。

助力數據采集與處理智能化

AI大模型多模態融合發展技術具有強大的數據采集和處理能力，為提升產品碳足跡數據監測采集、核算校驗等可靠性、即時性提供了有力技術支撐。

一是通過AI傳感器、GPS等技術實時采集能源消耗、物流運輸等數據，實時監測生產、運輸等環節的能耗和排放，自動清洗和分類數據，減少人工誤差。二是優化整合供應鏈數據，通過AI+區塊鏈，自動抓取上下游供應鏈碳排放數據（如原材料運輸、生產能耗），有效解決供應鏈數據碎片化問題，并確保數據不可篡改。三是提升核算精度與異常檢測的能力，通過AI機器學習（如LSTM神經網絡算法）分析行業特定數據，對不完整或缺失數據（如中小供應商），通過歷史數據訓練回歸模型，預測排放量；同時自動識別異常數據（如某設備能耗突增），定位“碳泄漏”風險點。

強化場景化碳足跡建模決策支持

利用AI集成開源框架和強大的垂直訓練能力，為碳足跡精準核算提供專業化應用解決方案。

一是動態優化排放因子，傳統核算依賴靜態排放因子，AI基于實時監測數據和機器學習模型，學習分析行業特定數據（如化工反應過程）進行專業化訓練，確定行業定制化模型，生成高精度排放因子，提高碳足跡核算精度。二是優化產品碳足跡建模，利用AI覆蓋排放全生命周期的技術體系，自動匹配產品BOM表（Bill of Materials，物料清單）與排放數據庫，實現實時核算、秒級生成碳足跡。三是強化減排路徑模擬，運用AI強化學習技術（RL）模擬不同減排策略的效果（如調整供應鏈路線或能源結構），優化減排路徑。此外，運用AI自然語言生成技術（NLG）通過內置AI報告功能，自動生成符合ESG標準的碳報告，極大減少人工成本負擔。

賦能碳監管范式升級

由于企業傳統自報數據容易篡改，導致可信度較低，AI與區塊鏈、數字孿生等技術融合運用，能夠強化全流程穿透式監管，顯著提升監管效率、透明度和精準性。

一是實現碳足跡多源數據可信核查，依托AI+區塊鏈技術，將企業關鍵碳數據實時上鏈存證，確保碳排放全鏈路可追溯，消除數據造假風險；結合衛星高頻遙感數據、物聯網等獨立信源，實現對特定場景碳排放的高頻滾動監測，降低人工監測誤差。二是促進多源異構數據統一整合，以“算法+數據+場景”合力促進碳治理模式從精準核算到智能優化、從單點突破到全鏈協同，解決傳統“數據孤島”問題，實現產業鏈級、園區級、地區級等碳排放全景監控，推動監管向“實時化、無人化、可驗證化”加速演進。三是促進監管的系統化，AI模型訓練與硬件部署成本高，在中小企業普及較難，監管部門通過提供行業大模型基礎平臺、降低中小企業接入成本，實現產業鏈供應鏈全覆蓋，推動監管由“碎片化”走向“系統化”，提高監管質效。

3推動AI算法架構輕量化減少自身碳足跡

AI大模型的訓練和推理對算力需求極大，AI自身能耗問題日益突出，尤其在處理復雜的能源系統時所需能耗呈指數級增長。AI既是實現精細化碳管理的關鍵工具，同時也是能源系統新增的巨大負荷，“AI碳足跡”強制性評估已成為產品碳足跡核算的重要組成部分。發展綠色低碳AI、“讓AI管理AI”，已成為AI可持續發展的普遍共識和關鍵舉措。

一是推動算法輕量化，基于最小可行產品（MVP）概念，運用知識“蒸餾”、參數“剪枝”等模型壓縮技術組織設計更為精簡的模型結構，減少計算量、推動算法能效優化，顯著降低算力能耗。

二是提升訓練效率，依托邊緣計算和云計算技術，通過動態訓練、混合精度訓練等策略，減少計算迭代、優化數據傳輸策略（如避免大量數據集中上傳，只更新模型參數），減少對大量數據標注的依賴，大幅降低計算量和訓練過程能源消耗。

三是推動算法與硬件協同優化，采用存算一體芯片、光信號傳輸等創新技術，在大幅提升計算效率的同時顯著降低能耗，減少AI碳足跡。此外，大力推動綠電使用，采用可再生能源供電，實現經濟效益和環境效益的雙贏。